Apache FOP可用于将仲裁HTML转换为PDF吗？

Question

我尝试使用Apache FOP将HTML转换为PDF。 （HTML - ＆gt; XHTML - ＆gt; XSL-FO - ＆gt; PDF）。我使用了Antenna House的xhtml2fo.xsl作为xhtml - ＆gt; XSL-FO转换。

适用于简单的html文件。

不对带有样式的html文件（通过嵌入式css或样式属性）起作用。创建PDF但完全未格式化。我试图转换HTML文件，我无法控制样式/内容。

在我的用例中，为每个html创建一个xslt是不实际的。

目前，我确实有一个使用flyingsaucer的工作实现。但是，该要求要求在没有AGPL许可的情况下实施。

我的问题是：这可以通过FOP实现吗？

感谢任何帮助

Answer 1

tl; dr版本：

在最常见的情况下，没有，您无法使用FOP转换任何 html，保留原始样式（并且更改格式化程序无法解决问题）。

但是，您可以使用FOP（或任何其他格式化程序）来尝试合理地处理大量的html文档;这可能需要一些XSLT调整。

为什么它不能正常工作

  

HTML - ＆gt; XHTML - ＆gt; XSL-FO - ＆gt; PDF

您对必要的转型链的描述是现场的。

但是， FOP仅涉及最后一步：除了尚未实现的功能之外，最终的PDF文件应该尊重FO文件中表达的印刷特征。

  

我使用了Antenna House的xhtml2fo.xsl作为xhtml - ＆gt; XSL-FO转换   [...]

     

创建PDF但完全未格式化

您使用的样式表是this one from the AntennaHouse site吗？

从快速看，似乎应该转换{F}输出中产生单独属性的style="..."属性，但它不会处理外部CSS文件

因此，使用外部CSS设置样式的HTML文件将转换为FO文件，而不具有任何格式属性（font-family，font-size，text-align，...）。

  

这可以通过FOP实现吗？

如果确实如此，格式化程序除使用默认值外无法执行任何操作，其中一些（font-family会出现）与应用程序相关。

因此，根据您使用的格式化程序，您将得到略微不同的结果，但仍然是“未格式化”的结果。

你需要什么是一个“合并”html和css文件的工具，内联样式以便XSLT可以处理它们，或者是一个能够考虑外部css的不同样式表文件（但我怀疑在一般情况下写一个工作并不容易。）

可以轻松修复什么

在处理html表时，链接的XSLT使用fo:table-and-caption元素，FOP不支持该元素，因此表格从输出中“消失”。

这可以通过XSLT中的一个小变化来修复，或者（可能是一个更干净的解决方案）使用自定义样式表导入另一个：

<xsl:stylesheet version="1.0"
  xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
  xmlns:fo="http://www.w3.org/1999/XSL/Format"
  xmlns:html="http://www.w3.org/1999/xhtml">

  <xsl:include href="xhtml2fo.xsl"/>

  <xsl:output method="xml" version="1.0" encoding="UTF-8" indent="no"/>

  <xsl:template match="html:table" priority="2">
    <fo:table xsl:use-attribute-sets="table">
      <!-- warning: table caption is not processed! -->
      <xsl:call-template name="process-table"/>
    </fo:table>
  </xsl:template>

</xsl:stylesheet>

您实际使用的样式表可能需要进行一些类似的调整，以便与FOP一起更好地工作。

披露：我是一名FOP开发人员，但现在不是很活跃。